公开/公告号CN112733485A
专利类型发明专利
公开/公告日2021-04-30
原文格式PDF
申请/专利权人 南京集成电路设计服务产业创新中心有限公司;
申请/专利号CN202110365497.7
申请日2021-04-06
分类号G06F30/394(20200101);G06F30/3308(20200101);
代理机构11467 北京德崇智捷知识产权代理有限公司;
代理人王金双
地址 211800 江苏省南京市江北新区华创路73号高新总部大厦(原韦恩大厦)A座7楼
入库时间 2023-06-19 10:48:02
技术领域
本发明涉及半导体集成电路设计技术领域,特别是涉及半导体集成电路设计工具后端布局中布线拥塞度分析和建模的方法。
背景技术
在半导体集成电路自动化设计中,布线拥塞度预估是布局期间的一项重要指标,拥塞度能够大致估计后期布线的拥塞程度。目前常用的拥塞度模型基本是基于半周长线长模型,半周长线长模型简单效率高,但它的缺点是对具体布线的走线区域的逼近程度很差,它所预估的布线范围比较宽泛,因此基于半周长模型的拥塞度模型是一个准确度较低的模型。
由于基于半周长的拥塞度预估模型的精度不足,而随着集成电路工艺越来越复杂,工业界对电子设计自动化软件的要求在不断提高,因此对于后端布局器来说,电子设计自动化软件生产商需要不断提高拥塞度预估模型的精度。
目前,主流电子设计自动化软件的布局器中的布线拥塞度预估模型仍然是基于半周长的拥塞度预估模型。其精度底的特点也对布局器的性能和效果造成了一定影响。随着集成电路制造业对电子设计自动化软件要求的不断提升,一款高精度的拥塞度预估模型是大势所趋。
过去一段时间,包括主流电子设计自动化软件提供商所使用的拥塞度预估模型基本都以基于半周长线长模型的拥塞度预估模型为主,即便有些改进也没有大幅度提高精度。在拥塞度预估模型这一个点上,各大电子设计自动化软件提供商处于瓶颈状态。
基于半周长线长模型的拥塞度预估模型精度低,不能够很好地预估布线区域,因此对拥塞度的计算也会与实际情况产生较大误差。各大电子设计自动化软件提供商对这个小的点目前仍没有引起足够的重视,对于拥塞度预估模型已经有很长时间没有进步。
发明内容
为了解决现有技术存在的不足,本发明的目的在于提供一种基于快速查找表线长模型的拥塞度预估模型构建方法,能够在预估拥塞区域和拥塞数值上都较基于半周长线长模型的拥塞度预估模型要更加准确。
为实现上述目的,本发明提供的一种基于快速查找表线长模型的拥塞度预估模型构建方法,包括以下步骤:
利用快速查找表模型生成基于哈南网格的布线拓扑结构;
将所有布线拓扑结构叠加,生成布线概率分布图;
根据区域可用布线资源生成拥塞度分布图。
进一步地,所述利用快速查找表模型生成基于哈南网格的布线拓扑结构的步骤,还包括,根据快速查找表线长模型权重向量,生成所有基于哈南网格的布线拓扑结构。
进一步地,所述将所有布线拓扑结构叠加,生成布线概率分布图的步骤,还包括,对于布线各部分,如果前后左右移动不增加总线长,则其概率应用于对应区域;如果前后左右移动会增加总线长,则其概率应用于对应的实线网格上。
进一步地,还包括,按每个网格实线或区域是否存在连线,对布线结构求和后取平均得到布线概率。
进一步地,所述根据区域可用布线资源生成拥塞度分布图的步骤,还包括,对布线结构划分计算拥塞度的基本区域,可用资源为基本区域内可用布线通道总数量,已用资源为基本区域内各个线网占用布线通道数量相加。
分别计算横向拥塞度和纵向拥塞度;
横向拥塞度=横向可用布线通道数-横向占用布线通道数;
纵向拥塞度=纵向可用布线通道数-纵向占用布线通道数。
更进一步地,横向占用布线通道数包括横向网格占用的布线通道数加上区域横向占用的布线通道数;
纵向占用布线通道数包括纵向网格占用的布线通道数加上区域纵向占用的布线通道数。
为实现上述目的,本发明还提供一种电子设备,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行如上文所述的基于快速查找表线长模型的拥塞度预估模型构建方法的步骤。
为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序运行时执行如上文所述的基于快速查找表线长模型的拥塞度预估模型构建方法的步骤。
本发明的基于快速查找表线长模型的拥塞度预估模型构建方法、电子设备及计算机可读存储介质,具有以下有益效果:
1)基于快速查找表线长模型对拥塞度进行预估,由于快速查找表线长模型对实际布线的逼近程度较高,因此基于这个模型的拥塞度预估模型的精度自然会比基于半周长线长模型的拥塞度预估模型要高,一举解决了基于半周长线长模型的拥塞度预估模型的精度问题。
2)使用这个拥塞度预估模型,其在预估拥塞区域和拥塞数值上都较基于半周长线长模型的拥塞度预估模型要更加准确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,并与本发明的实施例一起,用于解释本发明,并不构成对本发明的限制。在附图中:
图1为根据本发明的基于快速查找表线长模型的拥塞度预估模型构建方法流程图;
图2为根据本发明的实施例一基于哈南网格的布线拓扑结构示意图;
图3为根据本发明的实施例又一基于哈南网格的布线拓扑结构示意图;
图4为根据本发明的实施例又一基于哈南网格的布线拓扑结构示意图;
图5为根据本发明的实施例又一基于哈南网格的布线拓扑结构示意图;
图6为根据本发明的实施例一121111的线长模型权重向量布线结构示意图;
图7为根据本发明的实施例一121111的线长模型布线结构叠加的布线概率分布示意图;
图8为根据本发明的实施例一划分布线结构拥塞度基本区域示意图;
图9为根据本发明的实施例一生成拥塞度分布示意图;
图10为根据本发明的实施例一计算拥塞度的基本区域示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为根据本发明的基于快速查找表线长模型的拥塞度预估模型构建方法流程图,下面将参考图1,对本发明的基于快速查找表线长模型的拥塞度预估模型构建方法进行详细描述。
首先,在步骤101,利用快速查找表模型生成所有的基于哈南网格的布线拓扑结构。
本实施例中,如图2至图5所示,是一个有4个管脚的线网在快速查找表线长模型权重向量121111下的所有的基于哈南网格的布线拓扑结构,如图6所示,哈南网格中的每个格子的宽度和高度分别为h1,h2,h3和v1,v2,v3,这样我们就能够算出快速查找表线长:
FLUTEWL = h1 + 2*h2 + h3 + v1 + v2 + v3
其中h1,h2,h3,v1,v2,v3前面的系数,构成121111的线长模型权重向量。
在步骤102,将所有布线拓扑结构叠加,生成布线概率分布图。
优选地,对于布线各部分,如果前后左右移动不影响总线长,则其概率应用于对应区域;如果不能前后左右移动(如果移动会增加总线长),则其概率应该应用于对应的实线网格上。而概率是按每个网格实线或区域存在连线与否,对布线结构(情况)求和后取平均得到。
本实施例中,如图7所示,将上面四个图进行叠加之后生成的布线概率分布,H代表区域横向布线概率,V代表区域纵向布线概率。另外标注在横向或者纵向实线网格上的数字是这个网格上的布线概率。
本实施例中,如图7所示,左侧P1水平连出的一段短线,在四种情况下均不可上下移动,所以其概率应用于网格实线上,概率的具体数值为每种情况下100%,求和后平均为100%*4/4=100%。P1连出的中间一段短线,在图2和图3情况下,不可移动,所以其概率应用于网格实线上,数值分别为100%;在图4和图5中,可向上移动,所以其概率应用于上中部区域,数值分别为100%。综合四种情况,网格实线部分概率为100%*2/4=50%;上中部区域,概率为100%*2/4=50% (H)。其他部分均可以此类推。
在步骤103,根据区域可用布线资源生成拥塞度分布图。
优选地,对布线结构划分计算拥塞度的基本区域,可用资源为基本区域内可用routing track(布线通道)总数量,已用资源为基本区域内各个线网占用routing track数量相加,如图8所示。
本实施例中,如图9所示,每个长方形框是计算拥塞度的基本区域,对每个线网来说,其网格上的概率和区域的概率应用于长方形框区域的方法,如图10所示,包括:
设长方形框的长度Wl和高度Wh,线网网格线段(比如为水平)在长方形框区域内长度为Ll,概率为Pl,则该段网格线段占用的routing track数为:
Ll/Wl*Pl。
设中间汉南区域长度Lh,高度Hh,横向布线概率Ph,纵向布线概率Pr,与长方形框交叠部分长度Lr,高度Hr,则该线网在交叠部分占用的横向routing track数为:
Hr/Hh*Ph*Lr/Wl。
该线网在交叠部分占用的纵向routing track数为:
Lr/Lh*Pr*Hr/Wh。
本实施例中,分别计算横向和纵向拥塞度,横向拥塞度=横向可用布线通道数-横向占用布线通道数(其中,包括横向网格占用的布线通道数加上区域横向占用的布线通道数);纵向拥塞度=纵向可用布线通道数-纵向占用布线通道数(其中,包括纵向网格占用的布线通道数加上区域纵向占用的布线通道数)。
本发明提供了一种基于快速查找表线长模型的拥塞度预估模型构建方法,基于快速查找表线长模型对拥塞度进行预估。由于快速查找表线长模型对实际布线的逼近程度较高,因此基于这个模型的拥塞度预估模型的精度自然会比基于半周长线长模型的拥塞度预估模型要高,一举解决了基于半周长线长模型的拥塞度预估模型的精度问题。利用快速查找表模型生成所有基于哈南网格的布线并将所有布线进行叠加,从而生成布线概率分布图和拥塞度分布图。使用快速查找表线长模型生成所有的基于哈南网格的布线,并将这些哈南网格布线进行叠加从而形成基于快速查找表线长模型的拥塞度预估模型。使用这个拥塞度预估模型,其在预估拥塞区域和拥塞数值上都较基于半周长线长模型的拥塞度预估模型要更加准确。
本发明的一个实施例中,还提供一种电子设备,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行如上文所述的基于快速查找表线长模型的拥塞度预估模型构建方法的步骤。
本发明的一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序运行时执行如上文所述的基于快速查找表线长模型的拥塞度预估模型构建方法的步骤。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
机译: 多尺度轻量级人脸检测模型的构建方法及基于模型的人脸检测方法
机译: 基于差分随机变量原点相似度的基于相似度量的协同过滤推荐系统及利用RMS构建相似表的方法
机译: 用于压缩和解压缩彩色数字视频数据的视频电信系统和方法技术领域本发明涉及一种用于压缩电信系统视频中数字彩色视频数据的方法,该方法具有用于生成视频信号的装置,该装置是用于生成视频信号的装置。将视频信号转换为多个彩色视频帧速率,每个帧图像由多个扫描线组成,扫描线由多个像素组成,图像中的每个像素由彩色数字分量组成(该方法包括确定功能的步骤);基于彩色数字(b)的三个分量中的至少一个的亮度像素,基于两个像素之间的亮度差异,针对当前图像表的扫描线中的至少大部分像素,确定至少一个参数决策。与每条扫描线中至少一个像素相距预定距离的像素,以及至少(c)比较决策参数与